HDFS定时上传脚本

HDFS定时上传脚本

1、脚本名为uploadFile2Hdfs.v2.sh
2、脚本运行的java，hadoop环境分别是jdk1.7.0_51、hadoop（指定到安装目录即可）
3、虚拟机中 /usr/local/hadoop/logs/hdfslog/log/、 /usr/local/hadoop/logs/hdfslog/toupload/ 这俩恶搞文件夹
4、再hdfs中要有 /data/clickLog/20180518/ 这个文件夹
5、日志文件的文件名要是 ccess.log.* 这个样子的

代码块

#!/bin/bash
#设定环境变量，因为不能保障运行的时候的shell脚本的环境变量都是ok的
#环境变量有俩种一个是java；；一个是hadoop
#set java env
#export JAVA_HOME=/home/hadoop/app/jdk1.7.0_51
export JAVA_HOME=/usr/local/jdk1.7.0_91
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

#set hadoop env
#export HADOOP_HOME=/home/hadoop/app/hadoop-2.6.4
export HADOOP_HOME=/usr/local/hadoop
export PATH=${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:$PATH


#版本1的问题：
#虽然上传到Hadoop集群上了，但是原始文件还在。如何处理？
#日志文件的名称都是xxxx.log1,再次上传文件时，因为hdfs上已经存在了，会报错。如何处理？

#如何解决版本1的问题
#       1、先将需要上传的文件移动到待上传目录
#   2、在讲文件移动到待上传目录时，将文件按照一定的格式重名名
#       /export/software/hadoop.log1   /export/data/click_log/xxxxx_click_log_{date}


#日志文件存放的目录
#log_src_dir=/home/hadoop/logs/log/
log_src_dir=/usr/local/hadoop/logs/hdfslog/log/

#待上传文件存放的目录
#log_toupload_dir=/home/hadoop/logs/toupload/
log_toupload_dir=/usr/local/hadoop/logs/hdfslog/toupload/

#日志文件上传到hdfs的根路径
hdfs_root_dir=/data/clickLog/20180518/

#打印环境变量信息
echo "envs: hadoop_home: $HADOOP_HOME"


#读取日志文件的目录，判断是否有需要上传的文件
echo "log_src_dir:"$log_src_dir
ls $log_src_dir | while read fileName

do
    if [[ "$fileName" == access.log.* ]]; then
    # if [ "access.log" = "$fileName" ];then
        date=`date +%Y_%m_%d_%H_%M_%S`
        #将文件移动到待上传目录并重命名
        #打印信息
        echo "moving $log_src_dir$fileName to $log_toupload_dir"xxxxx_click_log_$fileName"$date"
        mv $log_src_dir$fileName $log_toupload_dir"xxxxx_click_log_$fileName"$date
        #将待上传的文件path写入一个列表文件willDoing
        echo $log_toupload_dir"xxxxx_click_log_$fileName"$date >> $log_toupload_dir"willDoing."$date
    fi
done

#找到列表文件willDoing
ls $log_toupload_dir | grep will |grep -v "_COPY_" | grep -v "_DONE_" | while read line
do
    #打印信息
    echo "toupload is in file:"$line
    #将待上传文件列表willDoing改名为willDoing_COPY_
    mv $log_toupload_dir$line $log_toupload_dir$line"_COPY_"
    #读列表文件willDoing_COPY_的内容（一个一个的待上传文件名）  ,此处的line 就是列表中的一个待上传文件的path
    cat $log_toupload_dir$line"_COPY_" |while read line
    do
        #打印信息
        echo "puting...$line to hdfs path.....$hdfs_root_dir"
        hadoop fs -put $line $hdfs_root_dir
    done    
    mv $log_toupload_dir$line"_COPY_"  $log_toupload_dir$line"_DONE_"
done